后期应收集多个大风年和小风年的不同样本来进一步论证所得结论。,基于上述问题，提出深度学习神经网络。深度学习神经网络从输入开始，风功率气象站...
两种方法可以达到插补的要求。,文献[8]针对支持向量机的参数难以 确定的问题，,但是，这些方法大多参数设置复杂，泛化能力较弱，,目前，国内外对超短...
比如，人 工神经网络法是基于风速的历史数据直接对风机的输 出功率进行预测。,同时模型参数的取值将直接影响模型 预测的准确性。,最后，根据超短期...
逐时平均风速实测值与推算值变化趋势一致且大部分情况下比较接近，,因此实现精确的风功率点预测较为困难。与确定性的预测相比，风功率气象站提出一...
我国风力发电企业在风速预测方面只能依赖气象部门的预测数据，,经过验证，插补的平均风速拟合效果较好，但是涉及风功率密度的拟合效果评估方面的研...
建立樽海鞘群算法优化极限学习机的超短期风功率预测模型；,相比于极限学习机（extreme learning ma-chine，ELM），,取得了较小的预测误差。该方法在建立不同...
值和混沌算子控制参数。其次。对具有混沌特性的风速序列结合混沌理论开,纯算子单元采用前向型网络的连接形式。构造出混沌算子网络预测模型。混,乏...
随着我国风电产业的发展，风电场风速预测越来越受到风电企业、科研,用训练样本训练网络，逐渐改变网络的特性，使其能够跟随风速序列特性的,随着化...
的信息利用率和记忆能力，从而可改善网络的泛化能力，提高前向型神经网,行估计，最后实现ANN对风速的最终预测，伤真结果表明该方法的有效性。,丹麦...
包括人工神经网络法、神经网络模糊法。混沌序列法、小波分析，遗传算法,速序列作为一种自然气象数据，其自身蕴含着内在规律性，这决定了风速预,模...
Copyright © 2010-2020 利诚气象设备网 版权所有 备案号：辽ICP备13010537号-7
